在印度发现痴呆症,并制定国家特定的切断:一个机器学习和诊断分析分析

科学领域:

• 老年学是一门学科.
• 神经科学是一个神经科学.
• 人工智能在医学中的应用

背景情况:

• 认知评估对于痴呆症诊断至关重要,但可能会受到患者人口统计学的影响.
• 印度独特的文化和人口统计景观需要开发特定于人口的诊断切断.
• 现有的痴呆症查工具可能需要适应不同人群.

研究的目的:

• 建立可靠的,特定于印度人口的痴呆症评估截止线.
• 利用机器学习和可解释的AI来识别关键的认知评估及其最佳值.
• 为了研究这些截止点在不同的人口分组中的表现.

主要方法:

• 利用印度长度衰老研究 - 痴呆症诊断评估 (n=2528) 的数据.
• 采用了在临床医生痴呆症评级上训练的机器学习模型进行验证.
• 应用可解释的人工智能来确定特征的重要性并告知切断值.

主要成果:

• 老年人认知衰退的信息人问卷 (IQCODE) 和印度语迷你精神状态考试 (HMSE) 被确定为最具影响力的评估.
• 最佳的切割值为IQCODE的3.8和HMSE的25.
• 这些切割值在总样本中表现出色,但在某些子组中显示精度下降.

结论:

• 机器学习和可解释的人工智能可以有效地识别关键的认知评估,并为印度的痴呆症诊断建立特定人口的切断线.
• 为IQCODE和HMSE开发的切断为印度人口中痴呆症查提供了有价值的工具.
• 可能需要进一步的研究来完善难以诊断的子组的切断值.